Theoretische und praktische Aspekte automatischer ...

Johann-Mattis List Sequenzanalysen historische Linguistik 15. April 2010
θ i ɣ a t ɛ r a
d ɔː ˗ ˗ t ɚ - ˗
tʰ ɔ x ˗ t ɐ - ˗
D I G A T E R A
T O - - T E - -
T O G - T A - -
(-, D, I) (D, I, G) (I, G, A) (G, A, T) (A, T, E) (T, E, R) (E, R, A) (R, A, -)
(-, T, O) (T, O, T) - - (O, T, E) (T, E, -) - -
(-, T, O) (T, O, G) (O, G, T) - (G, T, A) (T, A, -) - -
Tabelle 5: Trigrambasierte multiple Alinierung
kann). Als Scoring-Funktion wurde eine einfache Funktion angesetzt, welche die Bewertungen für die
drei Elemente der jeweiligen Tuples aufsummiert, die Bewertung für Vorgänger- und Nachfolgersegment
jedoch lediglich mit zehn Prozent gewichtet.
4 Bisherige Vorarbeiten
Um die oben genannten Vorüberlegungen umzusetzen und zu testen, wurde ein Software-Paket mit speziellen
Bibliotheken in der Skriptsprache Python erstellt, das verschiedene bereits postulierte und neue
Methoden zur Sequenzanalyse zur Verfügung stellt. Grundlegendes Eingabeformat für die alle Methoden
in den Bibliotheken sind IPA-kodierte Strings. IPA wurde gewählt, um ein möglichst einheitliches Format
der phonetischen Kodierung zu ermöglichen. Um die Vergleichbarkeit zu den von anderen Autoren
postulierten Algorithmen, die im Programm implementiert sind, zu gewährleisten, wurden Ersetzungsfunktionen
geschrieben, die das IPA-Format in das von den jeweiligen Autoren verwendete Format überführen.
Das Programm erlaubt gegenwärtig die Durchführung paarweiser und multipler Alinierungen.
Multiple Alinierungen können ferner auf Basis des traditionellen Feng-Doolittle-Algorithmus durchgeführt
werden, wie auch auf Profilbasis. Ferner sind trigrambasierte paarweise und multiple Alinierungen
möglich.
4.1 Scoring-Funktionen für Lautklassen, Sequenzprofile und Trigramme
In der Biologie basieren die Scoring-Funktionen für Sequenzalinierungen meist auf Substitutionsmatrizzen,
die auf empirischer Basis erstellt wurden und Aussagen über die grundlegende Wahrscheinlichkeit
enthalten, dass zwei Segmente (Proteine, Aminosäuren) in einer (korrekten) Alinierung einander gegenübergestellt
werden (Rauhut 2001, 42-49). Da die traditionelle historische Linguistik bis heute weitgehend
ein qualitatives Vorgehen beim Auffinden von Lautkorrespondenzen aufrechterhält, in dem Lautkorrespondenzen
eher absolut postuliert denn tatsächlich ausgezählt werden und das Auffinden neuer Lautkorrespondenzen
weitestgehend der Intuition des jeweiligen Forschers überlassen wird (Schwink 1994, 29),
ist es zum jetzigen Zeitpunkt nicht möglich, ein rein empirisch basiertes stochastisches Modell von Lautübergängen
aufzustellen. Für die ersten Untersuchungen muss daher ein weitgehend auf eigener Kenntnis
von Lautwandelprozessen beruhendes vorläufiges Modell entwickelt werden, das in einem weiteren
11